［CEDEC 2019］ゲームの敵AIはAIに作らせる。「『強い』を作るだけが能じゃない！ディープラーニングで3Dアクションゲームの敵AIを作ってみた」聴講レポート ライター：箭本進一 パシフィコ横浜で2019年9月4日〜6日，ゲーム開発者向けカンファレンス「CEDEC 2019」が開催されている。本稿では，AIにAIを作らせるというユニークな試みを紹介するセッション「『強い』を作るだけが能じゃない！ディープラーニングで3Dアクションゲームの敵AIを作ってみた」の模様をお伝えしたい。 「CEDEC 2019」公式サイト 4Gamer「CEDEC 2019」記事一覧 登壇したのはLuminous Productionsのプログラマー，上段達弘氏だ。スクウェア・エニックス入社後にゲームエンジン「Luminous Studio」の開発に携わり，「FINAL FANTASY XV」ではAI関連の実

2018年にかけて実施されていた、東京大学松尾研究室が監修するエンジニア向け無償教育プログラム「DL4US」の、演習パートのコンテンツが無償公開された。 関連記事：松尾研監修のディープラーニング無償オンラインプログラム「DL4US」が募集を開始 「DL4US」とは？Deep Learningエンジニア育成講座「DL4US」の演習コンテンツを無償公開しました。実装に重きを置いてエンジニア向けに松尾研で作成したもので、画像認識や翻訳モデルから始まり、生成モデルや強化学習まで扱う実践的な内容になっています。ご興味ある方はぜひ。https://t.co/jLWlrk9UdK — 松尾 豊 (@ymatsuo) 2019年5月15日 DL4USは高度なディープラーニング技術者を育成することを目的とした、アプリケーション指向の無償オンライン教育プログラムだ。 東京大学ディープラーニング基礎講座、応用講

Data Driven Developer Meetup #5 (2019.3.7) の発表資料です スライド中のリンクを参照したい場合はPDFをダウンロードすると便利です。

(2018.1227)なんか急にバズったのでちょっと追記しました。 ディープラーニング人材はやばい奴だらけ これから「AIを仕事に導入したい！」と思う人は沢山いるでしょう。 ただ「ディープラーニング」や「AI」という言葉に関しては世間で色々な誤解がされており、正しく現状を理解できている人はとても少ないように思います。 ディープラーニングという言葉はAlexNetがでた2012年頃に流行り出しました。 実際に企業が仕事としてディープラーニングに手を出し始めたのはAWSがGPUインスタンスをリリースした頃からだと思うので2014年ぐらいからでしょうか。 まだ流行り出して５年も経っていない技術であるため、最新の研究レベルでもディープラーニングの全容は明らかになっていなかったり(参照： ディープラーニングの解釈に関するサーベイ論文) 、正しくディープラーニングを理解するための教科書や参考書などもま

印刷する メールで送る テキスト HTML 電子書籍 PDF ダウンロード テキスト 電子書籍 PDF クリップした記事をMyページから読むことができます ガートナー ジャパンが5月23、24日に開催した「データ＆アナリティクス サミット2017」では、米Gartner リサーチ部門バイスプレジデントのAlexander Linden氏が、人工知能（AI）と機械学習に関するトレンドを解説した。同氏は、「AIは、人工知能（Artificial Intelligence）というより、アメージング・イノベーション（Amazing Innovation）の略だと思っている」と語る。 Linden氏は、「問題解決の方法が大きく変わった。パラダイムシフトが起こった」と説明する。従来の方法は、まずは問題を細かく分解して理解するというアプローチをとった。小さな問題を解決しながら、それらをまとめることで全体

ALL SLIDE 2018.04.20 API Meetupに弊社エンジニアが登壇いたしました。～API群「A3RT」を通じた機械学習のビジネス活用について［データテクノロジーラボ部 牧 允皓］ ALL SLIDE 2018.02.24 第21回Machine Learning 15minutes!に弊社エンジニアが登壇いたしました。～リクルートにおける強化学習活用法の研究開発［データテクノロジーラボ部 蓑田 和麻］ ALL SLIDE 2017.12.05 日本印刷技術協会主催セミナー「AIはビジネスでどこまで役に立つか？～業務効率化、サービス向上などAI活用の「いま」を知る」に弊社エンジニアが登壇しました。～リクルートテクノロジーズでAIを開発する意義 ［データテクノロジーラボ部 松田徹也］

はじめに ニューラルネットワークが持つ欠陥「破滅的忘却」を回避するアルゴリズムをDeepMindが開発したらしいので、元論文を読んでみた。 Overcoming catastrophic forgetting in neural networks https://arxiv.org/abs/1612.00796 Introの最初から汎用人工知能とかいきなり出てくるのでおおっと思うが、やってることはめちゃくちゃシンプル 端的に言えば学習したニューラルネットのパラメータのそのタスクに対する重要度がフィッシャー情報行列で測れるよ 脳神経科学系の単語が結構出てくるので、専門家がいるのかな？とはいえこの背景は後付で、アルゴリズムが先なんじゃないかな… 元の論文では数式を端折っている箇所があるので、適宜補完しつつ、直感的解釈とかは勝手に入れている。論文の流れにはそこまで沿っていない 不正確・間違ってい

米バークレーAIリサーチラボラトリーと米カリフォルニア大学バークレー校の研究者は、写真から絵画を生成したり、ウマの写真をシマウマに変換したりできるソフトウェア「CycleGAN」をGitHubに公開した。 開発したのは、線画からリアルなネコの画像を生成するWebサービス「edges2cats」（関連記事）の核となるアルゴリズム「pix2pix」を作ったチーム。 画像を変換する機械学習の場合、多くは入力画像とそれに対応するお手本の出力画像のペアを集めたデータセットをトレーニングのために用意することになる。しかし、良い学習結果を出すには10万～100万程度のデータセットが必要になることも少なくなく、機械学習に取り組む上での難関はそのように多くの画像ペアを集めることでもある。 CycleGANではこの問題を解決するべく、入力-出力ペアのデータセットなしで画像変換を学習することに取り組んだ。例えば

The document outlines the divisions and focus areas of a large company, with most resources allocated to technology R&D, including deep learning and CNN. Other divisions include infrastructure, promotions, UI design, SEO, big data, IT, recruiting, staffing services, and administration.Read less

「機械学習に興味あるけど、なかなか自分でアプリを作るところまでできない…･･･」 本連載では、そんな方を対象に、気軽に機械学習を使ったアプリを作れるようなサンプルを紹介していきます。 興味があるけどなかなか着手できていなかった方、一度チャレンジしてみたけれど難しくて挫折してしまった方、またはすでに取り組んでいて、もっといろんなアプリを作ってみたい方は、ぜひ本連載で紹介するアプリを一緒に作ってみてください。 本連載では、前半ではAPIサービスを、後半ではライブラリを使って、機械学習を使ったアプリのサンプルを紹介していきます。APIサービスとしてはGoogleのGoogle Cloud Platformで提供されているAPIサービスを使い、ライブラリとしては、オープンソースとして提供されているTensorFlowを使います。 阿佐志保 TIS株式会社 戦略技術センター所属。金融系シンクタンクで

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? ゼロから作るDeep Learning――Pythonで学ぶディープラーニングの理論と実装を読みましたので、機械学習についてざっくりとまとめます。 できるだけ数式とかは使わない感じで説明していきますので、イメージだけつかんでもらえればと思います。 機械学習とは 機械学習は入力データから反復的に学習を行うことによって、パターンを学習し、新しいデータに対しても答えを得ることができるようにするものです。 機械学習の問題はデータから数値を予測する「回帰問題」とデータがどのクラスに属するか分類する「分類問題」の2つに大別できます。 ある問題に対す

Machine Learning Advent Calendar 2015 第14日です。去年のAdvent Calendarで味をしめたので今年も書きました。質問、指摘等歓迎です。 この記事の目的 ここ2～3年のDeep Learningブームに合わせて、リカレントニューラルネットワークの一種であるLong short-term memory(LSTM)の存在感が増してきています。LSTMは現在Google Voiceの基盤技術をはじめとした最先端の分野でも利用されていますが、その登場は1995年とそのイメージとは裏腹に歴史のあるモデルでもあります。ところがLSTMについて使ってみた記事はあれど、詳しく解説された日本語文献はあまり見当たらない。はて、どういうことでしょうか。 本記事ではLSTMの基礎をさらいつつ、一体全体LSTMとは何者なのか、LSTMはどこに向かうのか、その中身をまとめ

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? Christopher Olah氏のブログ記事 http://colah.github.io/posts/2015-08-Understanding-LSTMs/ の翻訳です。 翻訳の誤りなどあればご指摘お待ちしております。 ##リカレントニューラルネットワーク 人間は毎秒ゼロから思考を開始することはありません。このエッセイを読んでいる間、あなたは前の単語の理解に基づいて、各単語を理解します。すべてを捨てて、またゼロから思考を開始してはいません。あなたの思考は持続性を持っています。 従来のニューラルネットワークは、これを行うことができま

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? みなさん、こんにちは。Retty CTO の樽石です。 この記事は Retty Advent Calendar 25日目です。メリークリスマス。 昨日は @ttakeoka の『MFIにむけてRettyの取り組み』でした。 今年も残りわずかになりました。いかがお過ごしですか？ Retty はこの １ 年でエンジニアがほぼ倍増しました。それによって、情報発信者が増え、Advent Calendar に参加出来るようになりました。みんな楽しそうにしていて、うれしいです。 Retty Inc. Advent Calendar 2016 - Q

はじめに こんにちは、CTOの今村です。 先日弊社のiQONが3年連続でGoogle Play「2016年ベストアプリ」に選ばれました。また、今回ベストイノベーティブ部門の大賞を受賞しました。 イノベーティブ部門ということなので、Androidアプリの品質だけでなく、アプリの中にある様々な機能の技術的な取り組みも評価してもらった背景があるのかなと個人的には感じています。 さて、ちょうど先日Minami Aoyama Night #1にて、弊社のデータまわりのアーキテクチャについてお話させていただく機会がありました。 今回は2016年12月時点での、機械学習とデータ分析を支えるAWSとGCPを利用したマルチクラウドアーキテクチャについて紹介したいと思います。 最近のデータまわりの取り組み 今年になってからVASILYは過去のテックブログでも紹介したように、データまわりの取り組みを一層強化して

Deleted articles cannot be recovered. Draft of this article would be also deleted. Are you sure you want to delete this article? DeepLearning Advent Calendar 2016の17日目の記事です。 はじめに はじめまして。 Liaroという会社でエンジニアをしている@eve_ykと申します。 今年もあと僅かとなりました。 ここらで、今年のDeepLearningの主要な成果を振り返ってみましょう。 この記事は、2016年に発表されたDeepLearning関係の研究を広く浅くまとめたものです。今年のDeepLearningの研究の進歩を俯瞰するのに役立てば幸いです。 それぞれの内容について、その要点や感想なんかを簡単にまとめられたらと思います

Docker Advent Calendar 2016 の5日目の記事です。 2016年もあとわずかですが、振り返ると、僕の2016年は Dockerfile と docker-compose.yml を書いた記憶しかないです。大小 20 個くらいは書いたんじゃないでしょうか。今年の漢字は docker　です。 私の所属しているJX通信社では、言語処理/機械学習系の API や、速報/災害検知 API などを提供しています。それらの各種 API に Docker を活用しているわけですが、形態素解析などはよく再利用するので、社外に Docker イメージとして公開しました。 そのような、社外にスピンアウトした 3 個の自然言語処理系 Docker イメージや、今年お世話になった Docker イメージなどをご紹介します。先に、紹介するイメージの目次を書いておくので「知ってるのしかない！」と

記事要約 機械学習によるアイドル顔識別のLINE BOTを作りました。アイドル分かる人は是非 友だち追加して アイドル画像を送りつけて遊んだりしてみてください。 むしろ識別対象のアイドルさん御本人にも使ってもらえたら最高 BOT概要 TensorFlowによるアイドル顔識別器の話 - 2016.9.28 TensorFlow勉強会 - Qiita にまとめている、自作のアイドル顔識別器の 「入力した画像に対し、写っているのが『どのアイドル(人物)か』を機械学習により自動判定する」 という機能を実際に試すためのインタフェース。 トーク(1:1、Room, Group、いずれでも可)で画像を投稿されると、その画像に写っている人物の顔を識別してCarouselメッセージで結果を返す。 11月末現在の時点で、識別対象のアイドルは851人となっています。 顔識別API 元々 実際に学習結果を試すため